代码生成三问：如何打造 24 小时在线的 AI 程序员？

762 0 0

文章摘要

2024年初，Devin的全栈编程技能在全球引起了轰动，展示了AI在编程行业的潜力，其背后的公司Cognition因此获得了1.75亿美元的融资，估值飙升至20亿美元。紧随其后，AI编码辅助公司Augment也宣布完成了2.52亿美元的融资。硅谷的代码生成公司估值迅速上升，头部公司甚至达到20亿美元。代码生成之所以受到追捧，是因为人类数据不足，而机器生成的数据被认为是通向人工通用智能（AGI）过程中最有逻辑性和严谨性的数据。

开发者的反馈显示，大型模型的代码生成能力显著提高了开发人员的工作效率。尽管AI代码生成的想法早已存在，但之前的AI编程工具如Tabnine和Kite在上下文逻辑理解和代码生成质量方面存在限制。新一代的AI编程工具，如GitHub Copilot（后更名为Copilot X），在代码文件中由模型生成的代码占比可达40-50%，这是质的飞跃。

GitHub Copilot已成为增长最快的SaaS产品之一，拥有180万付费订阅用户。几乎所有通用大模型公司都推出了代码大模型和AI编程助手，如OpenAI Codex、Meta Code Llama等。国内创业公司也在增加，例如Babel和aiXcoder。

AI编程产品主要集中在代码补全和代码生成两个场景。代码补全是一个成熟的功能，而代码生成虽然仍处于初级阶段，但正在从文件级代码向项目级代码突破。除了这两个高频场景，其他产品还提供代码注释、解读、bug修复、优化和漏洞检测等功能。

尽管GitHub Copilot在C端市场占据优势，但国内玩家选择了C端免费策略，并将商业化重点放在B端。B端市场规模较大，用户付费意愿明确。国内B端用户需要模型本地部署和国内产品以避免数据外流。例如，aiXcoder专注于B端，提供私有化部署、企业领域知识融合和定制化开发等服务。

在通用大模型和垂直模型之间，有观点认为AI编程未来将由通用大模型公司主导，而创业公司难以产生差异化。然而，B端AI编程是一个垂直且专业的场景，需要深入了解客户需求。aiXcoder通过全流程数据治理和个性化训练，使大模型深刻理解企业领域知识，落地企业专属代码大模型。

软件开发不仅是编码，还涉及需求理解、调试、优化和部署等多个环节。Devin展示了AI程序员的潜力，能够独立完成任务，超越了编码阶段。AI Agent已成为业内确定的产品趋势，能够解决更复杂的问题，如自动解决issue。aiXcoder也推出了基于Agent技术的智能化软件开发系统，通过大模型+软件开发工具调用解决企业项目级代码生成问题。

尽管AI Agent仍处于探索阶段，但未来程序员将越来越依赖AI编程工具。高级程序员不太可能被替代，但初级程序员可能会被AI取代。未来程序员的培养路径将与现在不同，更注重使用工具的能力。C端市场应更好地服务普通人，使他们也能通过AI实现编程。这需要更强的模型能力和端到端的Agent实现。